本發(fā)明涉及醫(yī)學(xué)圖像處理，具體涉及一種在dsa造影圖像中識(shí)別肝癌供血?jiǎng)用}的方法及系統(tǒng)。

背景技術(shù)：

1、將肝癌的供血?jiǎng)用}封堵住，可以阻止肝癌細(xì)胞從血液中獲得營養(yǎng)，導(dǎo)致肝癌細(xì)胞缺血缺氧和缺氧營養(yǎng)供應(yīng)而死亡。因此，肝癌細(xì)胞的消亡效果取決于供血?jiǎng)用}的識(shí)別效果，即當(dāng)識(shí)別出所有供血?jiǎng)用}，則能栓塞住全部肝癌供血?jiǎng)用}，避免腫瘤殘存，復(fù)發(fā)和轉(zhuǎn)移，當(dāng)無法識(shí)別出所有供血?jiǎng)用}，則無法栓塞住全部肝癌供血?jiǎng)用}，會(huì)導(dǎo)致腫瘤殘存，復(fù)發(fā)和轉(zhuǎn)移。

2、現(xiàn)有技術(shù)中為了識(shí)別出肝癌的多支供血?jiǎng)用}，提升供血?jiǎng)用}的識(shí)別效果，需要通過多次造影操作，但多次造影會(huì)造成患者在供血?jiǎng)用}識(shí)別過程中受到的輻射量大，產(chǎn)生輻射損傷。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的在于提供一種在dsa造影圖像中識(shí)別肝癌供血?jiǎng)用}的方法及系統(tǒng)，以解決現(xiàn)有技術(shù)中為了識(shí)別出肝癌的多支供血?jiǎng)用}，提升供血?jiǎng)用}的識(shí)別效果，需要通過多次造影操作，但多次造影會(huì)造成患者在供血?jiǎng)用}識(shí)別過程中受到的輻射量大，產(chǎn)生輻射損傷的技術(shù)問題。

2、為解決上述技術(shù)問題，本發(fā)明具體提供下述技術(shù)方案：

3、一種在dsa造影圖像中識(shí)別肝癌供血?jiǎng)用}的方法，包括以下步驟：

4、通過dsa造影設(shè)備對(duì)肝組織模型進(jìn)行單次造影獲得多張dsa造影圖像；

5、在每個(gè)dsa造影圖像中通過邊緣檢測算法標(biāo)記出肝組織模型中的腫瘤組織的輪廓，以及肝組織模型中肝動(dòng)脈和主動(dòng)脈的血管輪廓；

6、在每個(gè)dsa造影圖像中提取出位于腫瘤組織的輪廓與肝動(dòng)脈和主動(dòng)脈的血管輪廓之間的局部圖像，得到用于在肝組織模型中識(shí)別腫瘤組織供血?jiǎng)用}的目標(biāo)圖像；

7、將各個(gè)所述目標(biāo)圖像依據(jù)邊緣檢測算法對(duì)腫瘤組織供血?jiǎng)用}的血管輪廓進(jìn)行清晰度劃分，得到了清晰目標(biāo)圖像和模糊目標(biāo)圖像；

8、采用循環(huán)一致性生成對(duì)抗網(wǎng)絡(luò)cyclegan將模糊目標(biāo)圖像根據(jù)清晰目標(biāo)圖像進(jìn)行圖像轉(zhuǎn)換為清晰目標(biāo)圖像；

9、在所有清晰目標(biāo)圖像中通過邊緣檢測算法標(biāo)記出肝組織模型中的腫瘤組織供血?jiǎng)用}的血管輪廓。

10、作為本發(fā)明的一種優(yōu)選方案，所述清晰目標(biāo)圖像和模糊目標(biāo)圖像的劃分方法包括：

11、將每個(gè)目標(biāo)圖像通過邊緣檢測算法進(jìn)行腫瘤組織供血?jiǎng)用}的血管輪廓的邊緣檢測，得到每個(gè)目標(biāo)圖像中腫瘤組織供血?jiǎng)用}的血管輪廓；

12、在每個(gè)目標(biāo)圖像中計(jì)算腫瘤組織供血?jiǎng)用}的血管輪廓沿水平方向上的梯度幅值，以及沿垂直方向上的梯度幅值；

13、將每個(gè)目標(biāo)圖像中腫瘤組織供血?jiǎng)用}的血管輪廓沿水平方向上的梯度幅值，以及沿垂直方向上的梯度幅值進(jìn)行平方和計(jì)算，作為目標(biāo)圖像的清晰度值；

14、將清晰度值高于預(yù)設(shè)閾值的目標(biāo)圖像標(biāo)記為清晰目標(biāo)圖像；

15、將清晰度值低于或等于預(yù)設(shè)閾值的目標(biāo)圖像標(biāo)記為模糊目標(biāo)圖像。

16、作為本發(fā)明的一種優(yōu)選方案，采用循環(huán)一致性生成對(duì)抗網(wǎng)絡(luò)cyclegan將模糊目標(biāo)圖像根據(jù)清晰目標(biāo)圖像進(jìn)行圖像轉(zhuǎn)換為清晰目標(biāo)圖像的方法包括：

17、將模糊目標(biāo)圖像和清晰目標(biāo)圖像作為循環(huán)一致性生成對(duì)抗網(wǎng)絡(luò)cyclegan的兩個(gè)輸入項(xiàng)，通過生成器和判別器訓(xùn)練得到圖像轉(zhuǎn)換模型；

18、所述圖像轉(zhuǎn)換模型為：{lh=gh(l)，lhl=gl(lh)，dl(l),?dl(hl)}，{hl=?gl(h)，hlh=gh(hl)，dh(h),?dh(lh)}；

19、式中，l為模糊目標(biāo)圖像，h為清晰目標(biāo)圖像，lh為由生成器gh根據(jù)模糊目標(biāo)圖像l生成的清晰目標(biāo)圖像，gh為根據(jù)模糊目標(biāo)圖像生成的清晰目標(biāo)圖像的生成器，gl為根據(jù)清晰目標(biāo)圖像生成的模糊目標(biāo)圖像的生成器，lhl為由生成器gl根據(jù)清晰目標(biāo)圖像lh生成的模糊目標(biāo)圖像，dl為生成器gl的判別器，hl為由生成器gl根據(jù)清晰目標(biāo)圖像h生成的模糊目標(biāo)圖像，hlh為由生成器gh根據(jù)模糊目標(biāo)圖像hl生成的清晰目標(biāo)圖像，dh為生成器gh的判別器。

20、作為本發(fā)明的一種優(yōu)選方案，訓(xùn)練循環(huán)一致性生成對(duì)抗網(wǎng)絡(luò)cyclegan構(gòu)成圖像轉(zhuǎn)換模型的損失函數(shù)為：ls=lgan(gh,dh,l,h)+lgan(gl,dl,l,h)+λ[lcyc(gh,gl)+llpips(l,lhl,hlh,k)]；式中，ls為損失函數(shù)，lgan(gh,?dh,?l,h)為生成器gh和判別器dh的損失函數(shù)，lgan(gl,?dl,?l,h)為生成器gl和判別器dl的損失函數(shù)，lcyc(gh,?gl)為客觀視覺一致性損失函數(shù)，llpips(l,lhl,hlh,k)為主觀視覺一致性損失函數(shù)，l為模糊目標(biāo)圖像，h為清晰目標(biāo)圖像，lh為由生成器gh根據(jù)模糊目標(biāo)圖像l生成的清晰目標(biāo)圖像，gh為根據(jù)模糊目標(biāo)圖像生成的清晰目標(biāo)圖像的生成器，gl為根據(jù)清晰目標(biāo)圖像生成的模糊目標(biāo)圖像的生成器，lhl為由生成器gl根據(jù)清晰目標(biāo)圖像lh生成的模糊目標(biāo)圖像，dl為生成器gl的判別器，hl為由生成器gl根據(jù)清晰目標(biāo)圖像h生成的模糊目標(biāo)圖像，hlh為由生成器gh根據(jù)模糊目標(biāo)圖像hl生成的清晰目標(biāo)圖像，dh為生成器gh的判別器，λ為lcyc(gh,gl)+llpips(l,lhl,hlh,k)的權(quán)重值；

21、其中，；；；；式中，l i為第 i個(gè)模糊目標(biāo)圖像，h i為第 i個(gè)清晰目標(biāo)圖像，lh i為由生成器gh根據(jù)模糊目標(biāo)圖像l i生成的清晰目標(biāo)圖像，lhl i為由生成器gl根據(jù)清晰目標(biāo)圖像lh i生成的模糊目標(biāo)圖像，hl i為由生成器gl根據(jù)清晰目標(biāo)圖像h i生成的模糊目標(biāo)圖像，hlh i為由生成器gh根據(jù)模糊目標(biāo)圖像hl i生成的清晰目標(biāo)圖像，f為sigmoid模型，d(l i,?lhl i)為l i經(jīng)由vgg16網(wǎng)絡(luò)提取的特征和lhl i經(jīng)由vgg16網(wǎng)絡(luò)提取的特征間的特征距離,?d(l i,?hlh i)為?l i經(jīng)由vgg16網(wǎng)絡(luò)提取的特征和hlh i經(jīng)由vgg16網(wǎng)絡(luò)提取的特征間的特征距離，d(h i,?lhl i)為h i經(jīng)由vgg16網(wǎng)絡(luò)提取的特征和lhl i經(jīng)由vgg16網(wǎng)絡(luò)提取的特征間的特征距離,?d(h i,?hlh i)為?h i經(jīng)由vgg16網(wǎng)絡(luò)提取的特征和hlh i經(jīng)由vgg16網(wǎng)絡(luò)提取的特征間的特征距離，n為模糊目標(biāo)圖像的總數(shù)量，m為清晰目標(biāo)圖像的總數(shù)量，和為l2范數(shù)式，min為最小化運(yùn)算符，max為最大化運(yùn)算符。

22、作為本發(fā)明的一種優(yōu)選方案，權(quán)重值λ與模糊目標(biāo)圖像l的清晰度值相關(guān)，其中，λ=-(1-p(l))logp(l)；式中，p(l)為模糊目標(biāo)圖像l的清晰度值。

23、作為本發(fā)明的一種優(yōu)選方案，生成器gh和生成器gl與判別器dh和判別器dl采用同步對(duì)抗訓(xùn)練。

24、作為本發(fā)明的一種優(yōu)選方案，對(duì)單次造影獲得的多張dsa造影圖像進(jìn)行尺寸歸一化處理。

25、作為本發(fā)明的一種優(yōu)選方案，所述邊緣檢測算法的評(píng)估指標(biāo)包括精確度、?召回率、?f1分?jǐn)?shù)和平均角度誤差。

26、作為本發(fā)明的一種優(yōu)選方案，所述邊緣檢測算法采用canny算法。

27、作為本發(fā)明的一種優(yōu)選方案，本發(fā)明提供了一種在dsa造影圖像中識(shí)別肝癌供血?jiǎng)用}的系統(tǒng)，應(yīng)用于所述的一種在dsa造影圖像中識(shí)別肝癌供血?jiǎng)用}的方法，系統(tǒng)包括：

28、圖像采集單元，用于通過dsa造影設(shè)備對(duì)肝組織模型進(jìn)行單次造影獲得多張dsa造影圖像；

29、圖像預(yù)處理單元，用于在每個(gè)dsa造影圖像中通過邊緣檢測算法標(biāo)記出肝組織模型中的腫瘤組織的輪廓，以及肝組織模型中肝動(dòng)脈和主動(dòng)脈的血管輪廓；

30、以及用于在每個(gè)dsa造影圖像中提取出位于腫瘤組織的輪廓與肝動(dòng)脈和主動(dòng)脈的血管輪廓之間的局部圖像，得到用于在肝組織模型中識(shí)別腫瘤組織供血?jiǎng)用}的目標(biāo)圖像；

31、將各個(gè)所述目標(biāo)圖像依據(jù)邊緣檢測算法對(duì)腫瘤組織供血?jiǎng)用}的血管輪廓進(jìn)行清晰度劃分，得到了清晰目標(biāo)圖像和模糊目標(biāo)圖像；

32、圖像轉(zhuǎn)換單元，用于采用循環(huán)一致性生成對(duì)抗網(wǎng)絡(luò)cyclegan將模糊目標(biāo)圖像根據(jù)清晰目標(biāo)圖像進(jìn)行圖像轉(zhuǎn)換為清晰目標(biāo)圖像；

33、目標(biāo)識(shí)別單元，用于在所有清晰目標(biāo)圖像中通過邊緣檢測算法標(biāo)記出肝組織模型中的腫瘤組織供血?jiǎng)用}的血管輪廓。

34、本發(fā)明與現(xiàn)有技術(shù)相比較具有如下有益效果：

35、本發(fā)明采用循環(huán)一致性生成對(duì)抗網(wǎng)絡(luò)cyclegan將模糊目標(biāo)圖像根據(jù)清晰目標(biāo)圖像進(jìn)行圖像轉(zhuǎn)換為清晰目標(biāo)圖像，從而能夠?qū)未卧煊矮@得的模糊圖像進(jìn)行清晰度提升，使得單次造影獲得的所有圖像均呈現(xiàn)高清晰度，進(jìn)而能夠?qū)⑺泄┭獎(jiǎng)用}均識(shí)別出來，實(shí)現(xiàn)低造影射線輻射劑量同時(shí)，又能保證供血?jiǎng)用}的識(shí)別效果。